OpenClaw 在 2026 年 1 月 29 日公开之后，一夕爆红。直接带起 2026 年的 AI Agent 热潮。其中更不乏深度使用 Claude Code 的朋友。
对于有 Claude Code 经验的用户来说，小企鹅给出一个 idea：Claude Code 本身很强，但它不会跨对话记忆、不会排程、单一 agent 包办所有事；OpenClaw 把这三件事补起来，让它从一个聊天工具变成可以同时管多个项目的 AI 工作站。
下面我们一起把整套架构摊开来讲，带起一起看看怎么将 OpenClaw 与 Claude Code 结合起来。
OpenClaw 是什么
一句话：AI 代理助手。同时，也可以是一套 Claude Code 的插件系统。
Claude Code 本身很强，能读文件、写程序、跑终端命令。但它有几个硬伤：每次对话都从零开始、不能排程、单一 agent 做所有事。
OpenClaw 补上这些缺口。装好之后，Claude Code 多了四个能力：
记忆系统：跨对话记住偏好、项目状态、甚至 agent 自己的「个性」。长期使用下，agent 会知道用户喜欢什么语气、讨厌什么格式、每个项目目前走到哪一步。
排程引擎：设置定时任务（cron job），让 agent 定时自动跑任务。新闻扫描可以排早上 6 点、社区帖子一天 3 轮，完全不用人盯。
多 Agent 协作：不同的 agent 负责不同的事，共享同一套记忆。Opus 做策略、Sonnet 做苦力、Codex 写代码。
Skills 扩充：像安装 app 一样帮 agent 加技能。社区发文、图片生成、数据分析，全部模块化。
跟纯 Claude Code 到底差多少
实战上三个差异最有感。
记忆：纯 Claude Code 每次对话都是陌生人。装了 OpenClaw 之后，跟 agent 说「继续昨天那个 SEO 排程」，它真的知道在讲什么，不用再贴一次背景。具体操作是在 memory/ 目录放一份项目上下文文件，agent 启动时自动读。设置花几分钟，但省下的重复解释时间每天累积下来相当可观。
排程：以前每天手动跑的新闻整理、社区发文，现在全部写进 cron/jobs.json。早上自动扫新闻、生成社区初稿、跑审核流程。每天能省下大把时间。操作上就是写好 JSON、设好时间，其他不用管。
分工：一个 agent 做所有事的时候，质量飘。Opus 改 JSON 配置文件偶尔把格式改坏；Codex 写文案出来像技术文档。拆成 4 个 agent 之后，每个只做自己最稳的事，出错率明显下降。
安装步骤
前置需求：Node.js 18+、Claude Code CLI。
如果还没装 Claude Code，先跑：
npm install -g @anthropic-ai/claude-code确认能正常启动之后，装 OpenClaw：
npx openclaw init它会在项目目录建一个 .openclaw/ 文件夹，里面放所有配置文件。
初始化完成后，最重要的一步是设置 CLAUDE.md。这是 agent 每次启动都会读的命令文件，告诉它「你是谁、要怎么做事」：
# CLAUDE.md
你是 Penna，Penchan 的 AI 助手。
Boot 与规则见 AGENTS.md。接着建立记忆索引 MEMORY.md，让 agent 知道记忆文件放在哪里。详细步骤整理在入门教程里。
一套 3 Agents 架构参考
下面这套是小企鹅长期跑下来打磨出来的分工。提供给大家参考，大家可以自己建立自己的一套工作系统。
Opus：策略与写作
Opus 是主脑。负责内容策略、长文写作、记忆管理、跨 agent 协调。它读所有记忆文件，做决策，然后把执行任务分派出去。
跟 Opus 之间建议的硬规矩：它只做规划和审核，不直接动手改代码。Opus 改 code 偶尔会出问题，但做 code review 非常稳。
Sonnet：机械任务
需要判断力的事不给 Sonnet，但机械性的工作它跑得快又准。抓视频帧、转换格式、格式化数据、批次处理。成本低、质量稳。
Codex：代码
所有 code 相关的工作走 Codex。写功能、修 bug、跑测试。模型固定用最新的，不降级。
小范围的代码修改也可以交 Sonnet，但只要超过数十行或涉及逻辑判断，一律 Codex。
分工的关键原则
开越多 agent 并非越好。试过 6 个，管理成本太高，后来收到 3 个刚好。每个 agent 的职责要清楚到一句话能讲完，模糊地带就是出错的地方。
记忆共享靠文件系统。3 个 agent 读同一套 .openclaw/ 目录，但写入权限有分级。Opus 能写所有记忆文件，Sonnet 只能写它负责的任务输出，Codex 只动 code，这样不会互相踩。
更多分工细节整理在多 Agent 架构那篇。
核心功能拆解
记忆系统
三层，操作上很简单。
MEMORY.md 是索引文件，告诉 agent 记忆放哪里。它本身就是一份清单，列出所有 .md 记忆文件的路径。agent 启动时先读这份清单，再决定载入哪些。
中间层是主题文件。例如 memory/user/profile.md 放用户基本数据、projects/penchan-co/context.md 放博客项目的上下文。这些文件 agent 不会每次都读，只在聊到相关话题时才载入。
最上层是 brain.md，每天更新的工作记忆。agent 收工时会自动把「今天做了什么、明天接什么」写进去，隔天启动直接接着做。
踩过的坑：一开始把所有记忆塞进同一个大文件。结果每次对话光载入就吃掉相当比例的 context window，回应变慢。拆成三层之后 context 用量明显下降，找东西也比较快。
排程引擎
操作上就是编辑 cron/jobs.json，格式跟 Linux cron 一样：
{
"schedule": "0 6 * * *",
"task": "扫描今日新闻并生成摘要",
"agent": "opus"
}写好存档就生效。实战上会跑十几个排程：早上扫新闻、生初稿、下午追股市、晚上做隔天排程。每个任务跑完会在 cron/runs/ 留一份纪录，出问题直接翻 log。
实用建议：加一个 health check 排程。如果排程半夜爆掉，没人发现会拖很久。设一个每天检查排程状态的 job，异常就发 Telegram 通知，相当于救命线。
Skills
Skills 是 OpenClaw 的模块化扩充系统。每个 skill 是一个独立的能力包，agent 可以按需载入。
写一个 skill 大概是这样的结构：
skills/
social-post/
skill.md # 技能描述和使用规则
templates/ # 模板文件实战上常用的 skills：社区发文（对接社区 API）、图片生成（对接生图模型）、排程管理。社区团队有多个社区媒体账号、多个发布频道，全部靠 skill 自动化。
适合谁
适合的情况：已经在用 Claude Code，想要跨对话记忆、想要排程自动化、想要多 agent 分工。不怕打开终端，愿意花一两天设置。
不适合的情况：想要图形化界面完成一切。这种需求 Dify 或 Coze 更适合。OpenClaw 的操作环境是终端和 Markdown 文件，对 CLI 过敏会很痛苦。
还有一个前提：要有明确的任务要自动化。OpenClaw 的价值在省重复劳动的时间，如果目前没有重复性的 AI 任务，装了也发挥不出来。
更直白一点：OpenClaw 还有很多需要最佳化的地方，定位本来就是给弹性高、愿意自己动手调的人。它不是适合每个人玩的工具。
下一步
如果决定试试看，建议的路线是：
- 先跟着入门教程把基本环境架起来
- 跑稳了再看多 Agent 架构的分工设计
- 有问题欢迎到 OpenClaw 的 GitHub 开 issue
延伸阅读
小企鹅的经验
主力 stack 是 OpenClaw 上的 Opus / Sonnet / Coddex 三 agent 分工，每天的新闻扫描、社区草稿、博客草稿大部分都自动跑，省下来的时间拿去做策略和写作。实战下来有两个体感：(1) 记忆分层真的是长期稳定的关键，越干净 agent 越记得住事；(2) OpenClaw 适合的人有条件，需要愿意动手、乐于最佳化的人，重点是先有明确的自动化任务，工具才有用武之地。
常见问题
Q: OpenClaw 是什么？
OpenClaw 是一套开源框架，装在 Claude Code 上面，帮它加上记忆、排程、多 agent 协作和 Skills 扩充能力。让原本只能一问一答的 Claude Code 变成可以长期记住你、自动执行任务的 AI 工作站。
Q: OpenClaw 跟原版 Claude Code 差在哪？
原版 Claude Code 每次对话都是全新开始，不记得你是谁、之前做过什么。OpenClaw 加了三层记忆系统，让它跨对话记住你的偏好和项目状态。还能跑排程、让多个 agent 分工合作。
Q: OpenClaw 免费吗？
OpenClaw 框架本身是开源免费的。但需要有 Claude Code 的使用权（订阅或 API），实际费用依 Anthropic 官方方案而定。
Q: 不会写程序能用 OpenClaw 吗？
需要基本的终端操作能力和一点 Markdown 编辑经验。不需要写程序，但要愿意编辑配置文件。会用 VS Code 和终端的话上手不会太难。
Q: OpenClaw 的记忆系统怎么运作？
分三层：MEMORY.md 是索引文件，每次对话自动载入。主题文件按需求读取，像是用户数据、项目上下文。brain.md 是工作记忆，记录当下在做什么。三层加起来让 agent 不会每次都失忆。
Q: 一台电脑能跑几个 agent？
技术上没有限制，看 API 额度和电脑性能。实战上 4 个 agent 同时运作没问题。建议从 1 个开始，稳了再加。
Q: OpenClaw 支持哪些模型？
主要针对 Claude 系列最佳化（Opus、Sonnet）。底层是 Claude Code，所以支持 Anthropic 提供的所有模型。部分功能（像 Codex agent）走 OpenAI 的 Codex。
整理：Penna｜小企鹅 Penchan